Ждем промежуточный тариф Pro 50 за $50 в месяц??


Судя по почти миллиону просмотров под постом, тема вштырила многих.

Ну и если там не будет пятичасового лимита, то я прям задумаюсь. 

На всех тарифах линейки Pro полностью отсутствуют привычные 5-часовые лимиты на отправку сообщений. 
Pro 100 ($100/мес) -> 10X: Дает десятикратный объем использования относительно плана Plus. · 
Pro 200 ($200/мес) -> 20X: Дает двадцатикратный запас по лимитам.

Если логика масштабирования сохранится, и Pro 50 предложит 5X к возможностям Plus без 5-часовых таймеров это будет прям хорошо. 

@cgevent

• Sent via TeleFeed

Image 2 Sculpt: открытый агентный пайплайн для точной реконструкции 3D-скульптов по одной картинке

Дальше пойдем по опен сорсику.

Image 2 Sculpt - специализированный инструментарий для кодинг-агентов (Claude Code, Cursor, Codex, Copilot, Gemini CLI), превращающий автономного AI-ассистента в строгого 3D-скульптора с математическим контролем каждого этапа геометрии.

Проект решает фундаментальную проблему генерации 3D по одной картинке (Image-to-3D) и «слепого» моделирования нейросетей: полное отсутствие верификации результата относительно исходного снимка. В классических пайплайнах невидимая обратная сторона объекта генерируется со случайными галлюцинациями, ракурсы мультиракурсных моделей не совпадают с реальными углами обзора (запрос на +45 градусов на практике дает +20), нормали усредняются со сглаживанием мелких черт, а сетка страдает от воксельных ступенек и паразитных перепонок.

В Image 2 Sculpt все, что видно на исходном кадре, подчиняется жесткой физико-математической калибровке. Модель MoGe определяет фокусное расстояние виртуальной камеры и рассчитывает метрическую карту глубины, нейросеть Marigold восстанавливает карту нормалей, а BiRefNet или SAM-3 формируют контурную маску силуэта. Для достройки скрытых сторон генерируются вспомогательные ракурсы, однако они не принимаются на веру: алгоритмический поиск находит их реальные ракурсы, а несогласованные проекции отсеиваются. При этом один ракурс (held-out view) намеренно замораживается и исключается из подгонки для финального независимого аудита.

Сборка модели выполняется за 38 последовательных проходов (от базовой формы visual hull до микрорельефа) на базе точного знакового поля расстояний (exact Signed Distance Field, SDF). Вся цепочка итераций протоколируется пошагово: Blender воспроизводит процесс построения в виде таймлапса и кругового turntable-рендера, а также экспортирует герметичный (watertight) меш в форматах .blend, GLB, OBJ и STL для 3D-печати. Скилл устанавливается одной командой: npx skills add gokayfem/image-to-sculpt.

Источники:
github.com

@cgevent

• Sent via TeleFeed

AI lab Anthropic buys billions in power generators

⚡ Anthropic agreed to spend $3.4 billion on gas-fired generators in late September to fuel its expanding data center infrastructure.

The deal secures 1.7 gigawatts of heavy-duty equipment sourced from OnePWR Solutions and Caterpillar.

#Anthropic ⚡ #DataCenters ⚡ #ArtificialIntelligence

Subscribe

• Sent via TeleFeed

Google бахнула открытый фреймворк Elephant-Goldfish Model для стресс-тестирования архитектурных решений через изолированных субагентов

Google выложила в открытый доступ плагин Elephant-Goldfish Model (EGM) и методологию проектирования ПО для ИИ-ассистентов (Google Antigravity, Claude Code, Codex), решающую фундаментальную проблему контекстных искажений и накопленных слепых зон при генерации архитектурных спецификаций.

В классической разработке с AI один и тот же агент ведет диалог, формирует техническое задание и пишет код. По мере разрастания контекста нейросеть неизбежно попадает в ловушку контекстного замыливания (context anchoring): агент начинает принимать собственные недосказанные предположения за непреложные факты, теряет критичность и пропускает фундаментальные риски реализации.

Архитектура EGM разделяет проектирование на две строго изолированные роли с разной моделью памяти: «Слон» (Elephant) обладает полной памятью проекта, анализирует кодовую базу, ведет обсуждение с инженером и формирует первичный черновик спецификации (concepts_brief.md, design_draft.md). «Золотые рыбки» (Goldfish) - это субагенты с нулевой контекстной памятью (zero-context), создаваемые заново под каждый раунд ревью. Они оценивают только получившийся документ и целевые исходники без предыстории чата, беспощадно выявляя неявные допущения, непродуманные краевые случаи и пробелы в логике.

Инженер выступает в роли главного архитектора: разрешает найденные противоречия, утверждает компромиссы и валидирует дизайн-документ до начала кодогенерации. Фреймворк поставляется с набором готовых скиллов: /egm:egm-brainstorm для кристаллизации идей, /egm:egm-draft для секционной сборки спеки, /egm:egm-review для стресс-теста пулом свежих субагентов и /egm:egm-bootstrap для создания документации к существующим репозиториям. Плагин полностью открыт под лицензией Apache 2.0 и поддерживает нативную установку в Google Antigravity: agy plugin install https://github.com/google/elephant-goldfish-model.

На итоге:

• Разделение ролей: «Слон» с глубоким контекстом пишет драфт, «Золотые рыбки» с нулевым контекстом ищут слепые зоны
• Устранение контекстного замыливания: изолированные субагенты выявляют скрытые допущения и риски реализации
• Фиксация архитектурных спецификаций и согласование человеком до начала написания исполняемого кода
• Набор готовых скиллов для брейншторминга, драфта, ревью, разрешения замечаний и бутстрапа документации
• Открытый исходный код под Apache 2.0 и нативная поддержка Google Antigravity, Claude Code, Codex и ChatGPT

Источники:
github.com
egm.dev

@cgevent

• Sent via TeleFeed

Огненный moss-image-lora-archive: свыше 2400 лор с Civitai с ежедневной синхронизацией

Hugging Face бахнули публичное зеркало-архив, объединившее в одном репозитории всю экосистему адаптеров LoRA для генеративной графической модели MOSS-Image с автоматическим ежедневным парсингом и сохранением весов с платформы Civitai. Дальше по Моссу новости можно не постить.

На Civitai авторы регулярно удаляют свои модели, карточки попадают под цензурные блокировки модераторов или теряются при чистках аккаунтов. В результате пользователи ComfyUI и продакшен-студии сталкиваются с битыми ссылками и невозможностью повторить генерацию в ранее настроенных воркфлоу.

На текущий момент архив насчитывает более 2 400 файлов весов в формате .safetensors.

Автоматизированный пайплайн ежедневно отслеживает появление новых версий на Civitai, скачивает исходные файлы, раскладывает их по структурированным каталогам (персонажи, кинематографичные стили, пленочная эстетика вроде Kodachrome, фотореализм UltraReal, аниме) и ведет строгий машинночитаемый индекс manifest.json.

Просто сохраните в закладки:

huggingface.co

@cgevent

• Sent via TeleFeed

MatlowAI бахнула H3 Dials: файлы скрытого управления для MiniMax H3 без дообучения нейросети

MatlowAI и сообщество Machine Delusions выпустили проект H3 Dials - легковесные файлы направленного управления (steering files) размером всего около 14 КБ для MiniMax H3 и ее быстрых дистилляций вроде Pika H3 Flex.

Разработка решает проблему точечной режиссуры генеративного видео без затратного обучения новых LoRA-адаптеров или бесконечного подбора текстовых формулировок. Каждый дайл (Dial) представляет собой изолированный вектор направления в скрытом пространстве обработанных текстовых эмбеддингов MiniMax H3.

Для создания такого регулятора не требуются видеокарты и датасеты: файл формируется буквально за одну минуту из пары контрастных текстовых промптов (Prompt A против Prompt B, например: «полная статика кадра» против «сверхдинамичного взрывного движения» или «мрачный кинематографичный нуар» против «мягкого дневного света»).

В среде ComfyUI (через нодовые пакеты ComfyUI-MAINodes и ComfyUI-Dials) управление происходит через понятный слайдер: отрицательные значения смещают генерацию к полюсу A, положительные - к полюсу B. Дайлы можно свободно объединять в стек (одновременно контролируя скорость, цветовую палитру и освещение), а также накладывать поверх существующих LoRA.

Главная особенность архитектуры - поддержка динамических временных кривых (time curves). В ноде Dial Rack силу воздействия вектора можно модулировать по таймлайну клипа: например, подать короткий импульс на 0.5 секунды в момент удара в боевой сцене для стилизации под аниме (impact frame со вспышкой туши), после чего ролик плавно возвращается к исходному реалистичному визуалу.

На итоге:

• Сверхкомпактные файлы управления скрытым пространством MiniMax H3 весом всего ~14 КБ (.safetensors)
• Генерация дайла без дообучения (training-free) за 1 минуту из пары противоположных текстовых промптов
• Плавное управление параметрами видеогенерации через ползунки и стек дайлов в ComfyUI
• Анимация силы воздействия по временным кривым (time curves) для точечных спецэффектов внутри кадра
• Полная совместимость со сторонними LoRA и дистиллированными версиями вроде Pika H3 Flex

Источники:
huggingface.co
github.com
на @cgevent

• Sent via TeleFeed

MiniMax-H3 x Z-Image: гибридная модель видеогенерации с пересадкой пространственного внимания

Она объединяет видеодвижок MiniMax H3 и архитектуру пространственной детализации Z-Image (Lumina2 6B) для генерации сверхдетализированного видео из текста и изображений.

Разработка решает хроническую болезнь открытых диффузионных видеосетей: потерю микротекстур, замыливание задников и накопление артефактов при склейке сцен. В то время как видеомодели обычно сглаживают мелкие поверхности, статическая генеративная модель Z-Image обладает исключительной резкостью и способностью прорисовывать сложные фактуры: облупившуюся краску, ржавчину, шероховатость ткани и блики на воде.

Вместо затратного дообучения авторы применили технику пересадки профиля внимания (spatial detail graft): магнитуда пространственного внимания Z-Image переносится на блоки MiniMax H3 путем точечного масштабирования весов нормализации q_norm без изменения весов K и слоев feed-forward. В новом гибридном релизе структура разделена поблочно на уровне исходных тензоров safetensors:
- Блоки B00-B24: ветка FL2VA, отвечающая за устойчивую кинематику и траектории движения;
- Блоки B25-B49: ветка REF2VA с внедренными профилями Z-Image для максимальной плотности текстур;
- Блоки B50+: возврат к FL2VA для бесшовной финальной сборки кадров.

На сравнительных тестах непрерывных склеек из трех сцен гибрид удерживает стабильный коэффициент высокочастотных деталей (0.99 против 1.11 у стоковой H3, где накапливалось перешарпливание). Модель выложена в открытый доступ под Apache 2.0 в форматах BF16 (37.46 ГБ) и INT8, а для экосистемы ComfyUI подготовлены сборки GGUF (Q4_0, Q5_1, Q8_0), работающие в 4-8 раз быстрее на видеокартах RTX 30/40 и умещающиеся в 16-24 ГБ VRAM.

На итоге:

• Гибридная поблочная сборка: B00-B24 (FL2VA) + B25-B49 (REF2VA Z-Image) + B50+ (FL2VA)
• Пересадка пространственного внимания (spatial detail graft) через масштабирование весов q_norm
• Глубокая прорисовка микротекстур (ржавчина, вода, ткань) без деградации консистентности персонажей
• Доступность в BF16, INT8 и линейке GGUF (Q4_0, Q5_1, Q8_0) для ComfyUI от 16 ГБ VRAM
• Открытые веса под лицензией Apache 2.0 на Hugging Face

Источники:
huggingface.co

@cgevent

• Sent via TeleFeed

OpenToonz 1.8.0: легендарный открытый клон 2D-анимационного пакета студии Ghibli

OpenToonz 1.8.0 - открытого профессионального пайплайн для создания классической 2D-анимации, созданный на базе легендарной проприетарной системы Toonz Studio Ghibli Version.

Именно этот программный комплекс десятилетиями дорабатывался под непосредственные производственные нужды студии Хаяо Миядзаки и использовался при создании классических картин уровня «Унесенные призраками», «Принцесса Мононоке» и «Ходячий замок».

Исходный код проекта полностью открыт под пермиссивной лицензией Modified BSD License и поддерживается на Windows, macOS, Linux и BSD.

В версии 1.8.0 ключевой упор сделан на инструментарий рисования и ускорение пайплайна художников-мультипликаторов. В программу добавлена нативная генерация скринтонов (Screentones) для создания полутоновых растровых паттернов в стилистике манги, а инструмент Brush Tool получил функцию репликации штрихов (Stroke Replication), автоматизирующую рисование штриховок и повторяющихся линий контура. Инструмент умной заливки (Fill Tool) прошел масштабный рефакторинг: внедрены улучшенные алгоритмы закрытия щелей (gap closing) и предотвращения случайного вытекания цвета.

Таймлайн обзавелся навигационной панелью Sub-Xsheet Navigation Bar, упрощающей переключение между вложенными монтажными листами в комплексных сценах. Библиотека нодовых эффектов пополнилась фильтром Smoother Fx Iwa от инженера Сюна Ивасавы (Shun Iwasawa) для бесшовного сглаживания сканированных линий, а эффект перспективного искажения Corner Pin Fx получил интерактивные перетаскиваемые контроллеры сетки (draggable cage controls). Дистрибутивы доступны на официальном портале opentoonz.github.io.


Источники:
github.com
opentoonz.github.io

@cgevent

• Sent via TeleFeed

ComfyUI-PhotoDeblur: нативные ноды для фотореалистичного устранения блюра и шевеленки камеры без потери разрешения

Все это на базе специализированных моделей HI-Diff и MISCFilter.

В отличие от традиционных генеративных апскейлеров, которые часто дорисовывают вымышленные детали или пластиковую гладкость, эти ноды сфокусированы на физически корректном восстановлении резкости. Инструмент решает типичные проблемы съемки с рук при слабом освещении: световые шлейфы вокруг ночных вывесок, смазанные границы витрин, потерю резкости на ресницах, волосах, ткани и повторяющихся архитектурных текстурах.

Архитектура поддерживает две модели: диффузионную HI-Diff (пошаговое сэмплирование с аккуратным проявлением микрорельефа) и прямой фильтр MISCFilter, который отрабатывает в один проход сети без шагов диффузии. Для обработки многомегапиксельных снимков внедрен тайловый процессинг (Tiled Processing) с настраиваемым нахлестом (по умолчанию тайл 768, оверлап 96) и бесшовным сшиванием через линейное, косинусное или гауссово смешивание, что предотвращает переполнение видеопамяти VRAM.

В нодовый пайплайн также встроены тест-тайм аугментация (TTA), усредняющая 8 повернутых и зеркальных предсказаний для подавления двоения контуров, и модуль компенсации тона (Match Input Tone), сохраняющий исходный цветовой баланс кадра. Официальные чекпойнты, обученные на эталонных датасетах RealBlur_J, RealBlur_R и GoPro, загружаются и проверяются автоматически через встроенную ноду загрузчика.

github.com

@cgevent

• Sent via TeleFeed

Adventists AI бахнула Sophon-Realtime-v1: открытую модель голосового диалога full-duplex с пониманием сарказма и смеха

Архитектура построена на базе 32-миллиардной языковой модели и реализует честный полнодуплексный (full-duplex) speech-to-speech диалог: система непрерывно слушает пользователя во время его речи, моментально подхватывает реплику при паузе и мгновенно замолкает (barge-in), если человек перебивает.

Главная технологическая фича Sophon - нативное восприятие невербальных сигналов(!!!) и тональности речи. За счет специализированного аудио-модуля принятия решений DuplexJev модель улавливает сомнения («э-э», «хм»), вздохи, логические ударения, сарказм и смех собеседника.

Модель заняла первое место в бенчмарках паралингвистического распознавания с баллом 48.6 (LISTEN, StressTest, MSPB), обогнав Gemini 3.8 Flash (46.9) и Qwen3-Omni (44.6). При этом модель не просто детектирует эмоции, но и сама органично смеется, делает паузы, вздыхает и прочищает горло в ответ вместо банального зачитывания текстовых тегов вслух.

Разработчики представили единый 32B-мозг в трех вариантах генерации аудио. Рекомендованная сборка Tag генерирует тегированные звуковые токены, которые озвучивает экспрессивная голосовая модель (NVV-SuperBench 0.86/0.80, задержка первого аудио ~0.6 с, 16 сессий на 80 ГБ GPU). Версия Flash нацелена на масштаб и автопром: задержка первого аудио снижена до рекордных 0.31 секунды при поддержке 40 одновременных пользователей на одной карте 80 ГБ. Версия E2E представляет собой экспериментальный полностью end-to-end синтез звука внутри единой весовой матрицы без отдельного речевого модуля.

В речевых бенчмарках VoiceBench (82.8) и Big Bench Audio (81.8%) Sophon показала лучший результат среди открытых моделей, сравнявшись с закрытой GPT-4o-mini-Audio от OpenAI. В тестах вызова инструментов Full-Duplex-Bench v3 модель достигла Pass@1 48% со 100% откликом в интерактивном режиме, обойдя Grok (43%). Сервинг оптимизирован под vLLM-Omni и поднимается на одной видеокарте класса A100/H100 80GB в одну консольную команду.

На итоге:

• Полнодуплексный speech-to-speech диалог с мгновенным перебиванием (barge-in)
• Лидерство в распознавании интонаций, сарказма и смеха благодаря модулю DuplexJev (48.6 баллов)
• Озвучка невербальных реакций: смех, вздохи, паузы (NVV-SuperBench 0.86)
• Две боевые сборки: Tag для выразительности (~0.6 с) и Flash для масштаба (0.31 с, 40 потоков на GPU)
• Результаты уровня GPT-4o-mini-Audio на VoiceBench (82.8) и лицензия Apache 2.0

Источники:
huggingface.co
github.com

@cgevent

• Sent via TeleFeed

OOOLab бахнула OOOSplat: десктопное приложение для локальной генерации 3D Gaussian Splatting из видео в один клик

OOOLab выложила в открытый сорс OOOSplat - кроссплатформенное десктопное приложение (Windows, macOS Apple Silicon, Linux), позволяющее превращать обычные любительские видео со смартфона, серии фотографий или 360-градусные панорамы в полноценные интерактивные 3D-сцены Gaussian Splatting без использования сторонних облачных сервисов.

Главное преимущество OOOSplat - полная автономность и концепция «все в одном». Приложение собрано на Rust и Tauri со встроенным веб-интерфейсом на React и поставляется с предварительно настроенными бинарниками FFmpeg, FFprobe, COLMAP и движка Brush.

Сквозной процесс запускается в один клик: программа извлекает ключевые кадры из видеофайлов (MP4, MOV), рассчитывает пространственные положения камер через COLMAP (с автоматическим задействованием локальных GPU NVIDIA или процессорным фолбэком), выполняет оптимизацию гауссианов в Brush и формирует итоговый файл final.ply.

Встроенный 3D-вьюпорт на базе WebGPU и WebGL позволяет инспектировать полученную сцену, трансформировать координаты, обрезать периферийные шумы ограничивающим боксом и экспортировать результат не только в стандартные форматы PLY, SOG, SPZ и SPLAT, но и в виде автономной HTML-страницы с встроенным легковесным веб-плеером для мгновенной публикации. Дополнительно поддерживаются панорамы 360x180 ERP, считывание данных GPS из EXIF для калибровки метрического масштаба, работа с прозрачными альфа-масками и режим досъемки (re-shoot) для обновления сцен без полного переобучения с нуля.

github.com

@cgevent

• Sent via TeleFeed

ComfyUI-freefield: открытый аналог Higgsfield со 117 готовыми пайпланами для видео, фото и звука

Хиггсфилд дико нервничает: бахнули117 готовых продакшен-пайплайнов проекта Freefield прямо в интерфейс ComfyUI.

Проект позиционируется как полностью открытая и бесплатная альтернатива проприетарной платформе Higgsfield: все пайплайны разворачиваются в стандартные редактируемые нодовые графы, используют исключительно открытые веса и запускаются локально на пользовательских GPU без облачных подписок и очередей.

Расширение добавляет отдельную вкладку в левую боковую панель ComfyUI с категоризацией процессов по четырем студиям: Image (70 приложений), Video (46 приложений), VFX и Audio. В карточке каждого пайплайна доступна однокликовая загрузка всех необходимых моделей и LoRA с Hugging Face напрямую в актуальные директории ComfyUI (diffusion_models, text_encoders, loras) с поддержкой докачки незавершенных файлов (.part). Для моделей с ограниченным доступом (вроде FLUX 3 Klein или LTX-2.5) поддерживается сквозная авторизация через системный HF_TOKEN.

Для каждого пайплайна предусмотрено два режима загрузки: «Open with example» разворачивает граф с готовыми тестовыми медиафайлами и параметрами лаборатории Freefield для мгновенной проверки работоспособности, а «Open empty» открывает чистую топологию под пользовательский материал. В расширении нет проприетарных бинарных компонентов: приложения собраны на базе стандартных узлов ComfyUI 0.42+, что позволяет свободно кастомизировать графы, сохранять их в личную библиотеку или передавать другим юзерам.

В ходе стресс-тестирования авторы успешно запустили 72 из 117 воркфлоу на рабочей станции под Windows с видеокартой RTX 3090 Ti (24 ГБ) и 104 ГБ оперативной памяти. За счет оптимизации динамического VRAM система успешно переваривает даже сверхтяжелые процессы уровня Dub (135 с) и Cinema Studio Video (144 с), удерживая избыточные веса в системной памяти. Код проекта опубликован под лицензией MIT и доступен для установки через ComfyUI Manager (по запросу Freefield) или CLI-командой comfy node install freefield.

На итоге в опенсорсе:

• 117 готовых открытых воркфлоу: генерация и анимация видео, апскейл, звук, VFX и замена лиц
• Бесплатный локальный аналог Higgsfield без закрытых API и облачных подписок
• Автоматическое скачивание весов моделей с Hugging Face с контролем целостности и докачкой
• Два режима открытия: с готовыми входными примерами для проверки или пустой под свой продакшен
• Свободная лицензия MIT и полная совместимость с экосистемой нод ComfyUI 0.42+

Источники:
https://github.com/neuregex/ComfyUI-freefield
https://github.com/neuregex/freefield

@cgevent

• Sent via TeleFeed

Локальный(!) ремейк демки Higgsfield Miracle: видеомонтаж без вайтлистов на открытой Viggle-Remake

Viggle AI бахнули покадровое воссоздание вирусного промо-ролика закрытого пайплайна Miracle от Higgsfield AI с помощью открытой модели Viggle-Remake.

Viggle-Remake представляет собой открытую модель редактирования видео (video-to-video), построенную как специализированная надстройка над архитектурой MiniMax-H3. Писал о ней недавно.

В состав репозитория входят два специализированных LoRA-модуля: lora/swap для бесшовной замены актеров с сохранением мимики и позы, а также lora/edit для точечного добавления или удаления предметов, смены погоды, окружения и освещения. Модель обрабатывает исходник скользящими окнами от 90 до 345 кадров при 24 fps, строго сохраняя оригинальную траекторию камеры, динамику движений и аудиодорожку.

Ключевая инновация пайплайна - нативная агентная архитектура через протокол MCP (Model Context Protocol). Нейросетевой агент уровня Claude Code или Antigravity получает исходное видео и текстовую инструкцию, самостоятельно находит монтажные склейки, генерирует опорные ключевые кадры, рендерит временные сегменты, верифицирует качество и сшивает готовый фильм без ручной расстановки масок в таймлайне монтажки.

Для локального запуска подготовлен официальный пакет нод ComfyUI-Viggle-Remake с готовыми интерфейсными и API-воркфлоу. Благодаря квантованию GGUF и int8 модель помещается в потребительские видеокарты с 12-24 ГБ VRAM, а на одной RTX 5090 (32 ГБ) позволяет развернуть полный автономный пайплайн в разрешении 1280x736. Дополнительно выпущены облегченные низкоранговые чекпоинты LoRA ранга 128 и 64 размером до 670 МБ.

Источники:
huggingface.co
viggle.ai

@cgevent

• Sent via TeleFeed

Сам великий Kijai бахнул MiniMax H3 Turbo int8-convrot: ускоренную 4-шаговую модель видео и звука для ComfyUI

Kijai выкатил оптимизированную сборку MiniMax H3 Turbo int8-convrot, портирующую дистиллированную архитектуру TurboH3 от TurboDiffusion напрямую в экосистему ComfyUI. Чекпоинт позволяет генерировать кинематографическое видео с синхронизированной звуковой дорожкой всего за 4 шага сэмплирования вместо базовых 50, а продвинутое ротационное квантование int8-convrot ужимает гигантский 61-гигабайтный трансформер до 19.5 ГБ для работы на потребительских видеокартах.

В основе модели лежит метод дистилляции сопоставлением распределений (Distribution Matching Distillation, DMD). Релиз полноценно поддерживает генерацию видео со звуком по первому кадру (I2VA) и бесшовный морфинг между первым и последним кадром (FL2VA). Нейросеть генерирует не только визуальный видеоряд с естественной физикой движения, но и согласованный стереозвук (шумы окружения, звуковые эффекты и динамические фоновые текстуры).

Главная проблема запуска оригинального трансформера MiniMax H3 на локальных машинах заключалась в экстремальном объеме весов (более 61 ГБ в BF16) и числовых выбросах в слоях внимания. Метод convrot применяет ортогональное вращение матриц перед квантованием, распределяя дисперсию активаций и устраняя артефакты огрубления сетки. В результате прунинга и перевода в формат W8A8 модель легко помещается в память видеокарт класса RTX 3090, RTX 4090 и RTX 5080 с 24 ГБ VRAM.

Для запуска внутри ComfyUI рекомендован связка сэмплера Euler с расписанием simple, ровно 4 шага и значение CFG 1.0 (генерация без классификатора без условий экономит половину вычислительных ресурсов). Файл размещается в папке models/diffusion_models/ и подключается к стандартным нодам с базовыми текстовыми энкодерами и аудио-видео VAE.

https://huggingface.co/Kijai/MiniMax-H3_comfy

@cgevent

• Sent via TeleFeed

VIDEO REBIRTH бахнула HyperFlow H3 Flash: открытую 14B-модель со сжатием на 54% и генерацией за 6 шагов

HyperFlow H3 Flash - третий и самый технологичный релиз в линейке открытых генеративных систем HyperFlow. Архитектура представляет собой глубоко оптимизированную версию флагманского 32-миллиардного трансформера MiniMax-H3: разработчики урезали размер сети до 14 миллиардов параметров (сокращение на 54%), сократили процесс сэмплирования всего до 6 шагов и добились генерации 768p-видео со стереозвуком в реальном времени на кластере из четырех ускорителей NVIDIA B200.

В отличие от классических раздельных конвейеров, где видео генерируется без звука, а звук подбирается вторичной нейросетью, HyperFlow H3 Flash синтезирует визуальный ряд и синхронизированную стереодорожку (32 кГц) одновременно в едином процессе. Благодаря бездатсетной дистилляции потока (data-free flow distillation) число шагов денойзинга снижено с 50 до 4-8 шагов (дефолтный профиль - 6 шагов) без классификатора без условий (CFG = 1.0), сохраняя кинематографическую плавность и детализацию базовой BF16-модели.

Модель подготовлена к запуску на потребительских видеокартах: за счет компактного ядра 13.8B и квантования в форматы INT8 ConvRot и GGUF (вес квантованного файла Q4_K_M составляет около 9 ГБ) генератор комфортно разворачивается в ComfyUI на картах уровня RTX 3090, RTX 4090 и RTX 5080 с 24 ГБ VRAM. Поддерживаются все ключевые режимы: генерация по тексту, Image-to-Video, интерполяция первого и последнего кадров (FL2VA) и reference-to-video.

huggingface.co

@cgevent

• Sent via TeleFeed

Skywork AI бахнула Matrix-Game 4.0: открытый РЕАЛТАЙМОВЫЙ нейрорендер интерактивных 3D-игр с частотой до 67 FPS на RTX 5080

Matrix-Game 4.0 - модель мира (world model) для потокового фотореалистичного рендеринга видеоигр в реальном времени. В отличие от концептуальных демо, Matrix-Game 4.0 представляет собой полностью играбельный гибрид: исполняемый движок на C++20 отвечает за физику, геометрию, коллизии и ввод игрока, а каузальная диффузионная видеомодель на лету превращает легковесный low-poly поток в графику кинематографического уровня.

В основе архитектуры лежит строгое разделение задач: движок генерирует чистый низкополигональный RGB-поток без задержек, а каузальный диффузионный трансформер (DiT) с ультрабыстрым видеокодеком TAEHV (Tiny AutoEncoder for Video) преобразует его в фотореализм всего за один шаг денойзинга в пресете realtime. Игровой интерфейс (HUD) и пространственный звук вынесены за пределы нейросети и накладываются поверх кадрово-синхронизированными слоями, что исключает галлюцинации цифр, прицела и шрифтов.

Разработчики реализовали глубокую аппаратную оптимизацию под архитектуру NVIDIA Blackwell и Ada Lovelace: линейные слои в FP8, кастомные фьюженные ядра, графы CUDA и опциональный механизм внимания SageAttention. В результате чистая пропускная способность нейрорендера достигает 67 FPS на RTX 5080 и 58 FPS на RTX 5070 Ti в разрешении 864x480. Для серверных инсталляций и энтузиастов предусмотрены профили под RTX 5090 и ускорители A100 80GB.

Релиз включает три готовые игровые локации: Medieval Castle и Ancient Egypt для шутеров от третьего лица, а также городскую трассу City Racing с режимами гонки на время и полицейской погони. Проект поддерживает локальный запуск на 48+ FPS без видеокарты для правки механик через C++20/SDL2, оффлайн-рендер геймплея в 1080p, а также стриминг в любой веб-браузер по WebRTC через связку MediaMTX и GStreamer без необходимости установки клиента.

github.com
huggingface.co
matrix-game-v4-0.github.io
arxiv.org

@cgevent

• Sent via TeleFeed

Mirage бахнула 3D-движок Tesseract для Claude: процедурный GPU path tracing сцен кинематографического уровня без ВСЯКОЙ ВИДЕОГЕНЕРАЦИИ

Меня последнее время пробивает на Three.js и на то, как LLM-ки скоро будут генерить видео и 3D просто кодом.

Mirage показала вот такую кинематографическую сцену ночной кухни под дождем, собранную и отрендеренную Клодом с помощью локального движка Tesseract.

При создании ролика не использовалась ни одна генеративная видеомодель: окружение, шейдеры, капли воды, объемный свет и движение камеры полностью построены агентом процедурно и просчитаны через честный аппаратный GPU path tracing.

В отличие от «черных ящиков» видеодиффузии, страдающих от временного мерцания, потери консистентности и деформаций геометрии, связка Claude и Tesseract использует процедурный подход к продакшену. Движок предоставляет агенту набор специализированных навыков (tesseract-3d, tesseract-motion, tesseract-video) и консольную утилиту tsrct.

Агент транслирует творческие директивы в структурированный JSON-документ проекта .tsrct, управляя 3D-пространством, импортом моделей Blender/glTF, физическими PBR-материалами и кейфреймами анимации.

Главное преимущество такого пайплайна - абсолютная контролируемость и бесконечная редактируемость. В любой момент можно попросить Claude изменить траекторию пролета камеры, скорректировать теплоту ламп или переставить чайник на плите без необходимости заново генерировать видео с нуля. Инструментарий Tesseract полностью кроссплатформенный (Windows, macOS, Linux), работает в Claude Code, ChatGPT и Cursor и подключается одной командой npx skills add mirage-hq/Tesseract.

Источники:
github.com
mirage.app

@cgevent

• Sent via TeleFeed

Мало кто знает, но реальные кадры с концерта Coldplay выглядели так

• Sent via TeleFeed